[发明专利]面向SRS联合用药不良反应信号的等价信号挖掘方法

说明书

本发明公开了一种面向SRS联合用药不良反应信号的等价信号挖掘方法，包括通过药物不良事件自发呈报系统SRS获取数据，得到联合用药不良反应信号集合X＝{D₁,D₂,…,D_x}，D_x为判定为不良反应信号的药品组合；优先处理药品组合集合大小最小的信号，求解D的最大等价组D^G，合并与D^G存在交集的最大等价组到最大等价组D^G；再将不属于D^G且与D等价的信号并入D^G，将D^G加入X^G，输出最大等价组集合X^G。X^G中的每个最大等价组即为联合用药不良反应信号间存在两两等价关系的信号集合，从最大等价组中选取一个信号代表该信号集合(即最大等价组)，参与其它数据分析，有利于减少整体分析的工作量。

技术领域

本发明涉及信号挖掘技术领域，尤其涉及一种面向SRS联合用药不良反应信号的等价信号挖掘方法，SRS表示药物不良事件自发呈报系统。

背景技术

受限于实验范围、研究对象及时间等因素，上市前阶段不可能完成所有联合用药相互作用的研究，许多潜在的药物相互作用只有在药品上市后大范围、长时间使用过程中才发现。药物不良事件自发呈报系统(Spontaneous Reporting System,SRS)为上市后药物相互作用信号挖掘提供了重要的数据来源。例如美国FDA不良事件报告系统(FDA AdverseEvent Reporting System,FAERS)等，真实反应了现实生活中用药安全的复杂性，据调查，其60％的不良事件报告中患者用药多于一种，70％的报告中患者发生的不良事件多于一种，84％的报告中患者用药或发生不良事件的总数至少3种。这些特点给联合用药不良反应信号挖掘带来机遇和挑战。

为了突破“数据海量、信息匮乏”的困境，主流研究利用计算机在自发呈报系统数据中批量发掘联合用药不良反应信号。信号包含两个要素：药物组合D及目标不良反应AE。药物组合是一个药品集合，也可称为组合用药或联合用药。若药物组合D是不良反应AE的信号，则意味着当病患同时服用D中的全部药品时可能会产生目标不良反应AE。当AE确定时，信号可表述为药物组合。需要指出的是，信号只是一种线索，并不能证明药物组合与不良反应之间存在因果关系，这需要更完备的医药实验及机制分析来确认，能够被确认的信号称为阳性信号，不能被确认的称为假阳性信号。信号中阳性信号占比越高，则说明信号挖掘的质量越高。其中，信号强度度量是决定信号挖掘质量的关键。非均衡性测量是信号度量的基本思路，即所关注事件与其他事件相比较而言的“非均衡性”或“不相称性”。包括频数法和贝叶斯法两大类，频数法包括相对危险比(RR)，比例报告比值(PRR)、报告比值比(ROR)等，贝叶斯法包括贝叶斯置信度递进神经网络(BCPNN)，经验贝叶斯伽玛泊松分布缩减法(MGPS)、BCPNN高维扩展版、以及Ω收缩测量法等。上述方法各有优势，但整体而言，存在信号线索量大且准确率低(4％)的共性问题，无法真正发挥大数据优势，这个缺陷在挖掘高阶联合用药不良反应信号时会更加凸显。这是因为现实生活中的药物联用模式非常复杂，而已知的非均衡性测量方法评估信号不良反应风险时假设用药独立不相关，只评价其药物组合本身，不考虑其他联合用药的影响，这使得与阳性信号日常联用的其他药物(组合)也可能被评估为假阳性信号。其中，一个非常典型的问题是，若干看起来表达不同的联合用药不良反应信号，均来自于SRS数据库中相同的一组病患报告。对医药研究人员开展后续信号分析来说，此类信号的存在会导致两方面的问题：(1)对于来自于相同病患亚组的信号，独立开展数据分析会造成重复劳动；(2)从数据分析的角度，这些信号之间互为混杂因素，换言之，其中阳性信号的个数远少于信号的个数。目前，如何规范描述并挖掘此类信号，尚无相关研究工作可借鉴。

发明内容

(一)要解决的技术问题